技术的极限(9): 看见数学

上一篇：技术的极限(8): 集成与分离
下一篇：技术的极限(10): 考虑技术的伸缩性

目录：

** 0x01 颜色空间
** 0x02 最好的机器学习书籍
** 0x03 如何阅读一篇科学研究的新闻
** 0x04 Why software projects take longer than you think – a statistical model
** 0x05 数据库基础
** 0x06 State-of-the-Art
** 0x07 Manager 
** 0x08 Founder's Guide to Building a Developer Tools Business

0x01 颜色空间

原文: color-spaces

这篇文章通过页面内的交互操作和分节解说，只在RGB颜色模型内解释了颜色空间的概念，以及不同颜色空间之间的相互转换的概念。图文交互俱佳，推荐阅读原文。

简略注记:

一个RGB颜色空间，由RGB构成。RGB通过公式可以转换到强度，例如：

  • 线性强度：I = (intensity value) = (encoded value of R, G, B)
  • 非线形强度：I = (intensity value) = (encoded value of R, G, B )^2.0

一个颜色空间的强度转换公式下，同一个颜色，例如灰色从亮到暗，人眼看到的差别是不同的。这种差别叫做tone response curve(TCR)。

为什么要选择不同的强度转换公式呢？
因为不同的强度转换公式形成的TCR不同。
因此就会形成不同的颜色空间。

为什么不直接使用线性转换呢？
因为人眼对光线的感知是非线性的。
选择不同的TCR可以获得不同舒适度的颜色感知。

而不同的转换公式决定了不同的颜色空间。
这些颜色空间之间可以相互转化。

假设有颜色空间A，和颜色空间B。那么可以分别计算颜色空A里的R、G、B用颜色空间B的R、G、B如何表示：

R(A) = w11* R(B) + w12 * G(B) + w13* B(B)
G(A) = w21* R(B) + w22 * G(B) + w23* B(B)
B(A) = w31* R(B) + w32 * G(B) + w33* B(B)

从而，根据格拉斯曼原则：

两个颜色空间中色光一样的颜色CA，CB。各自混合上另一个在两个颜色空间中色光一样的颜色CA’，CB’。得到的还是在两个色光一样的颜色。

因此，就可以获得从颜色空间B到颜色空间A的转换矩阵W：

w11 w12 w13
w21 w22 w23
w31 w32 w33

反过来，要求从颜色空间A到颜色空间B的变换矩阵，只要求逆矩阵S即可：

s11 s12 s13
s21 s22 s23
s31 s32 s33

也就是说WxS=I。

颜色空间的R、G、B取值都在[0-255]时，颜色空间形成了一个正方体。
从颜色空间A转换到颜色空间B，则可能A空间中的点到B里面就不在裁剪后到颜色空间正方体内。

常见的RGB颜色空间有：

  • sRGB颜色空间
  • XYZ颜色空间

常见的一种模型将亮度（光亮）和色度（颜色）分离开，它被称为 YCbCr，转换公式如下：

Y = 0.299R + 0.587G + 0.114B
Cb = 0.564(B - Y)
Cr = 0.713(R - Y)

反过来，从YCbCr转换到RGB：

R = Y + 1.402Cr
B = Y + 1.772Cb
G = Y - 0.344Cb - 0.714Cr

[1] pastel is a command-line tool to generate, analyze, convert and manipulate colors
[2] 一份循序渐进的视频技术介绍

0x02 最好的机器学习书籍

原文： best-deep-learning-books-updated-for-2019

如果打算系统学习机器学习，两个路径，一个是从书籍入手。另一个是从工具链入手。从书籍入手又存在书籍茫茫多，如何选择的问题，这篇博文给出了TopN推荐。

  • Deep Learning by Ian Goodfellow, Yoshua Bengio, Aaron Courville
  • Grokking Deep Learning by Andrew W. Trask
  • Deep Learning with Python by Francois Chollet
  • Hands-On Machine Learning with Scikit-Learn and TensorFlow by Aurélien Géron
  • The Hundred-Page Machine Learning Book by Andriy Burkov
  • Reinforcement Learning: An Introduction (2nd Edition) by Richard S. Sutton, Andrew G. Barto
  • Deep Reinforcement Learning Hands-On by Maxim Lapan
  • Learning From Data by Yaser S. Abu-Mostafa, Malik Magdon-Ismail, Hsuan-Tien Lin.
  • The Book of Why by Judea Pearl, Dana Mackenzie.
  • Machine Learning Yearning by Andrew Ng.
  • Interpretable Machine Learning by Christoph Molnar.
  • Neural Networks and Deep Learning by Michael Nielsen.

0x03 如何阅读一篇科学研究的新闻

  • Where did the story come from?
  • What kind of research was this?
  • What did the research involve?
  • What were the basic results?
  • How did the researchers interpret the results?
  • Conclusion

[1] https://www.nhs.uk/news/cancer/drinking-very-hot-tea-linked-risk-1-type-oesophageal-cancer/

0x04 Why software projects take longer than you think – a statistical model

https://erikbern.com/2019/04/15/why-software-projects-take-longer-than-you-think-a-statistical-model.html

从统计的角度看为什么估计总是比实际时间长，有一定道理。实际上在估计时间里面，我们连简单的列出耗时的单元做累加都十分困难。

0x05 数据库基础

http://webdam.inria.fr/Alice/

人们总是忘记数据库给软件世界带来的巨大作用，计算机技术里面，数据库技术占有十分重要的一席，数据库技术背后是关系代数，虽然我们学会了SQL后，SQL本身就比关系代数更为直观。

0x06 State-of-the-Art

原文：https://en.wikipedia.org/wiki/State_of_the_art

术语State-of-the-Art表示一个领域研究的当前最高水平。

State-of-the-art (sometimes cutting edge or leading edge) refers to the highest level of general development, as of a device, technique, or scientific field achieved at a particular time.

0x07 Manager

说一个计算机含义上的“manager”，manager一般发生在同一种对象有N个的情况下，如果代码里只有一个某种类型的对象，你是不需要对它做manager的，例如mysqlClient，这个client只会有一个，没什么好“manager”的。但是如果你有一些session，这些session就需要被manager，你会自然有一个SessionManager。但manager也有强、弱之分，如果只是持有session，简单的add/remove，做点批处理，就是弱manager。而如果你要对session做一堆策略调度，就稍微重型点，例如做garbage collection，超时清空，做LRU剔除之类，就稍微中度一点。Manager有不同的数据结构，不同的数据结构会带来不同的插入、搜索效率，没有经过设计的Manager结构是不加思考的，没有效率的，被Manager的单元总是会膨胀的，以及，即使只有区区3-4个单元，不经适当的结构设计，也是无法有适应复杂度的增长。在计算机中，我们需要耗费大量的智力在控制复杂度上。

0x08 Founder's Guide to Building a Developer Tools Business

  1. Understanding the developer persona:
    • The most valuable features are the ones that automate the dull stuff and do what they say they do
  2. Offer multiple/tiered pricing models
    • They look at the pricing model of your product to see if you offer a free tier so that they can test your platform without investing anything
  3. Offer easy-to-navigate docs
    • Docs should be detailed, easy to read, and packed with examples
  4. Offer demos, previews, and trials
    • You can still offer demos, trials, or quick screencasts to showcase your product.
  5. Offer integrations and CLI tools
    • CLI tools and language libraries enhance your chances of success in developers’ circles
  6. Offer community support
    • Word spreads fast if users can get support and resolve their issues quickly, and your product becomes more and more popular

这些道理说起来都懂，但是我们总是很难严格执行，以及把简单的6个步骤做到极致，我们很难看到对策略的彻底贯彻，以至于我们总是只能把东西做到普通的水平，也就是很难产出卓越的软件。普通水平的策略实行效率，让我们无法在软件制造上获得10x的成长，以至于我们自己都会失望。有很多种人们难以把握的力，其中之一就是执行力。

--end--

posted @ 2019-12-17 20:44  ffl  阅读(455)  评论(1)  编辑  收藏  举报